跳到正文
arXiv · ML· Xiaoyu Wu, Yifei Wang, Weihang Guo, Chen Wei, Lydia E Kavraki, Niloofar Mireshghallah, Steven Wu·· 2 天前AI 评分30

分层扩散 Transformer(HiT)实现无需外部预训练的端到端图像生成

Hierarchical Diffusion Transformer for End-to-End Image Generation

AI 导读

分层扩散 Transformer(HiT)在 ImageNet 256x256 上取得 1.48 FID,使用约 40% 累积训练 FLOPs 达到 JiT 生成质量。HiT 通过动态分组 token 学习视觉层级结构,在文本到图像生成中超过 UniLiP 平均分,且去噪器参数减少约 6 倍,前向 FLOPs 减少约 3 倍。

来源:arXiv · ML · arxiv.org